موضوعات جدید پایان نامه رشته مهندسی شیمی مدل سازی، شبیه سازی و کنترل + 113عنوان بروز

موضوعات جدید پایان نامه رشته مهندسی شیمی: مدل سازی، شبیه سازی و کنترل + 113 عنوان بروز

مهندسی شیمی، به عنوان پلی میان علوم پایه و کاربرد صنعتی، همواره در خط مقدم نوآوری و توسعه فناوری قرار داشته است. با پیشرفت روزافزون در حوزه‌های محاسبات، هوش مصنوعی، و علم داده، ابزارهای مدل‌سازی، شبیه‌سازی و کنترل به قلب تپنده این رشته تبدیل شده‌اند. این ابزارها، نه تنها به درک عمیق‌تر پدیده‌های پیچیده کمک می‌کنند، بلکه امکان بهینه‌سازی فرآیندها، طراحی سیستم‌های نوآورانه، و کاهش هزینه‌ها را فراهم می‌آورند. در دنیای امروز، انتخاب موضوع پایان‌نامه که هم چالش‌برانگیز، هم کاربردی و هم دارای پتانسیل تحقیقاتی بالا باشد، از اهمیت ویژه‌ای برخوردار است. این مقاله با هدف ارائه یک دید جامع و به‌روز از گرایش‌های نوین در زمینه مدل‌سازی، شبیه‌سازی و کنترل در مهندسی شیمی، و معرفی ۱۱۳ عنوان پایان‌نامه پیشنهادی، برای دانشجویان و پژوهشگران این رشته تدوین شده است.

فهرست مطالب مهم

  • اهمیت مدل‌سازی، شبیه‌سازی و کنترل
  • گرایش‌های نوین در مهندسی شیمی
  • کاربردهای پیشرفته
  • عناوین پیشنهادی پایان‌نامه

اهمیت مدل‌سازی، شبیه‌سازی و کنترل در مهندسی شیمی نوین

مدل‌سازی و شبیه‌سازی، ابزارهای قدرتمندی هستند که به مهندسین شیمی اجازه می‌دهند تا بدون نیاز به آزمایش‌های پرهزینه و زمان‌بر فیزیکی، رفتار سیستم‌های پیچیده را پیش‌بینی و تحلیل کنند. از طراحی راکتورهای شیمیایی گرفته تا فرآیندهای جداسازی پیشرفته، این رویکردها امکان بهینه‌سازی پارامترها و درک عمیق‌تر پدیده‌ها را فراهم می‌آورند. همزمان، کنترل پیشرفته فرآیندها، با استفاده از الگوریتم‌های هوشمند و سنسورهای دقیق، پایداری، ایمنی و کارایی سیستم‌های صنعتی را تضمین می‌کند. ترکیب این سه حوزه، ستون فقرات مهندسی شیمی مدرن را تشکیل می‌دهد و راه را برای نوآوری‌های بی‌سابقه هموار می‌سازد.

چرا این حوزه‌ها کلیدی هستند؟

  • کاهش هزینه‌ها و زمان: حذف یا کاهش نیاز به آزمایش‌های فیزیکی.
  • افزایش ایمنی: شبیه‌سازی سناریوهای خطرناک بدون ریسک واقعی.
  • بهینه‌سازی عملکرد: یافتن بهترین شرایط عملیاتی برای حداکثر بازدهی.
  • نوآوری در طراحی: توسعه فرآیندها و محصولات جدید با درک عمیق‌تر.
  • پایداری و محیط زیست: طراحی فرآیندهای سبزتر و کم‌مصرف‌تر.

🎨 اینفوگرافیک: مسیرهای نوین در مدل‌سازی و کنترل شیمیایی 📊

🧠

هوش مصنوعی و یادگیری ماشین

پیش‌بینی خواص، بهینه‌سازی فرآیند، کنترل تطبیقی، تشخیص خطا.

⚛️

مدل‌سازی مولکولی و کوانتومی

طراحی کاتالیزور، مهندسی مواد، سنتز هوشمندانه مواد.

☁️

رایانش ابری و بیگ دیتا

پردازش داده‌های عظیم، شبیه‌سازی موازی، پلتفرم‌های مشترک.

🔬

Twin دیجیتال (Digital Twin)

نظارت لحظه‌ای، نگهداری پیش‌بینانه، بهینه‌سازی Real-Time.

⚙️

کنترل پیشرفته و سیستم‌های مستقل

سیستم‌های خودکار، کنترل MPC پیشرفته، اتوماسیون فرآیند.

گرایش‌های نوین و کاربردهای پیشرفته

با توسعه فناوری و نیازهای جدید صنعتی و زیست‌محیطی، مهندسی شیمی شاهد ظهور گرایش‌های جدیدی در حوزه‌های مدل‌سازی، شبیه‌سازی و کنترل است. این گرایش‌ها اغلب از هم‌افزایی با سایر رشته‌ها نظیر علوم کامپیوتر، بیوتکنولوژی، و علم مواد بهره می‌برند.

جدول: گرایش‌های نوین و کاربردها

گرایش نوین کاربردهای کلیدی در مهندسی شیمی
هوش مصنوعی و یادگیری ماشین (AI/ML) پیش‌بینی خواص مواد، بهینه‌سازی فرآیندها، کنترل پیش‌بین مدل (MPC) مبتنی بر ML، تشخیص ناهنجاری و خطا، طراحی مواد جدید.
دیجیتال توئین (Digital Twin) نظارت لحظه‌ای بر تجهیزات و فرآیندها، نگهداری پیش‌بینانه، شبیه‌سازی سناریوهای مختلف، بهینه‌سازی Real-Time، آموزش اپراتورها.
مدل‌سازی Multi-Scale و Multi-Physics اتصال پدیده‌های مولکولی به مقیاس فرآیندی، طراحی کاتالیزورها و راکتورها، شبیه‌سازی پدیده‌های انتقال حرارت و جرم با واکنش‌های شیمیایی.
شبیه‌سازی و کنترل سیستم‌های زیستی (Bioprocesses) بهینه‌سازی بیوراکتورها، تولید داروهای بیولوژیک، مهندسی متابولیک، تصفیه فاضلاب بیولوژیکی، تولید سوخت‌های زیستی.
بهینه‌سازی و طراحی فرآیندهای پایدار کاهش مصرف انرژی و آب، حداقل‌سازی پسماند، استفاده از منابع تجدیدپذیر، ارزیابی چرخه حیات (LCA)، طراحی فرآیندهای سبز.

۱۱۳ عنوان بروز پایان نامه در مهندسی شیمی: مدل‌سازی، شبیه‌سازی و کنترل

در ادامه، ۱۱۳ عنوان پیشنهادی برای پایان‌نامه در رشته مهندسی شیمی با تمرکز بر حوزه‌های مدل‌سازی، شبیه‌سازی و کنترل ارائه شده است. این عناوین به گونه‌ای انتخاب شده‌اند که منعکس‌کننده آخرین پیشرفت‌ها و نیازهای صنعتی و تحقیقاتی باشند و پتانسیل بالایی برای نوآوری و انتشار مقالات علمی داشته باشند.

مدل‌سازی و شبیه‌سازی پیشرفته

  • مدل‌سازی دینامیکی و کنترل فرآیند تولید هیدروژن از متانول با استفاده از راکتور مبدل غشایی.
  • شبیه‌سازی CFD راکتورهای پلیمریزاسیون فاز گازی برای تولید پلی‌اتیلن با دانسیته‌های مختلف.
  • مدل‌سازی Multi-scale جذب CO2 توسط نانوجاذب‌های متخلخل بر پایه MOFs.
  • شبیه‌سازی مولکولی رفتار نانوذرات کاتالیزوری در واکنش‌های هیدروژناسیون انتخابی.
  • مدل‌سازی و بهینه‌سازی فرآیند شیرین‌سازی گاز طبیعی با حلال‌های هیبریدی.
  • شبیه‌سازی اثر ناخالصی‌ها بر عملکرد غشاهای اسمز معکوس در تصفیه پساب صنعتی.
  • مدل‌سازی ریاضی خشک‌کن‌های پاششی برای تولید پودرهای دارویی با مورفولوژی کنترل‌شده.
  • شبیه‌سازی دینامیک سیالات محاسباتی (CFD) برای طراحی میکسر استاتیک در راکتورهای جریان پیوسته.
  • مدل‌سازی سینتیکی سنتز بیودیزل در راکتورهای کاتالیستی ناهمگن.
  • شبیه‌سازی فرآیند پیرولیز زیست‌توده در راکتورهای بستر سیال جهت تولید بیو-روغن.
  • مدل‌سازی و تحلیل رفتار فازی مخلوط‌های پلیمری با استفاده از روش‌های Monte Carlo.
  • شبیه‌سازی فرآیندهای جداسازی با غشاهای مایع برای استخراج فلزات سنگین از پساب.
  • مدل‌سازی عددی احتراق سوخت‌های زیستی در کوره‌های صنعتی.
  • شبیه‌سازی فرآیند استخراج مایع-مایع ترکیبات دارویی با استفاده از حلال‌های عمیق یوتکتیک (DESs).
  • مدل‌سازی دینامیک جمعیت (PBE) برای کریستالیزاسیون مواد فعال دارویی.
  • شبیه‌سازی فرآیند تصفیه آب با استفاده از تکنولوژی نانوفتوکاتالیست‌ها.
  • مدل‌سازی و شبیه‌سازی جداسازی گازهای دودکش با تکنیک غشاهای جذب سطحی.
  • مدل‌سازی پدیده گرفتگی در ممبران‌های UF/NF در تصفیه آب‌های سطحی.
  • شبیه‌سازی اثر میدان‌های مغناطیسی بر رسوب‌گذاری در مبدل‌های حرارتی.
  • مدل‌سازی فرآیندهای الکتروشیمیایی برای تولید هیدروژن از آب دریا.
  • شبیه‌سازی انتقال جرم و حرارت در برج‌های خنک‌کننده هیبریدی.
  • مدل‌سازی و پیش‌بینی خواص ترموفیزیکی سیالات فوق بحرانی برای کاربردهای استخراج.
  • شبیه‌سازی فرآیند سنتز نانوذرات اکسید فلزی با روش‌های شیمی سبز.
  • مدل‌سازی و بهینه‌سازی راکتورهای فوتوکاتالیستی برای حذف آلاینده‌های آلی.
  • شبیه‌سازی پدیده فرسایش در لوله‌ها و تجهیزات انتقال سیالات حاوی ذرات جامد.

کنترل پیشرفته و هوشمند

  • طراحی کنترل‌کننده پیش‌بین مدل (MPC) برای راکتورهای پلیمریزاسیون ناپیوسته.
  • کنترل تطبیقی سیستم‌های بیوراکتور جهت تولید محصولات با ارزش افزوده.
  • پیاده‌سازی کنترل‌کننده فازی-عصبی برای بهینه‌سازی فرآیندهای تقطیر چندجزئی.
  • طراحی و ارزیابی کنترل‌کننده‌های غیرخطی برای سیستم‌های تولید هیدروژن.
  • کنترل مقاوم فرآیندهای تبادل حرارت در حضور اغتشاشات و عدم قطعیت‌ها.
  • کنترل هوشمند فرآیندهای تصفیه فاضلاب با استفاده از شبکه‌های عصبی.
  • توسعه سیستم کنترل پیش‌بین هیبریدی برای واحدهای تولید آمونیاک.
  • کنترل بهینه مصرف انرژی در کارخانجات سیمان با استفاده از الگوریتم‌های هوش مصنوعی.
  • پیاده‌سازی کنترل‌کننده اسمارت-PID برای راکتورهای کاتالیستی.
  • کنترل تطبیقی پیش‌بین برای سیستم‌های احتراق سوخت‌های زیستی.
  • توسعه سیستم کنترل توزیع‌شده برای شبکه‌های پتروشیمی.
  • کنترل فرآیندهای استخراج فوق بحرانی با استفاده از کنترل‌کننده‌های پیش‌بین.
  • طراحی کنترل‌کننده مبتنی بر یادگیری تقویتی برای واحدهای نمک‌زدایی آب.
  • کنترل هوشمند کوره‌های دوار برای بهینه‌سازی مصرف سوخت و کاهش انتشار آلاینده.
  • توسعه کنترل‌کننده مقاوم برای سیستم‌های غشایی در حضور گرفتگی.
  • کنترل بهینه و برنامه‌ریزی تولید در پالایشگاه‌ها با استفاده از مدل‌های پیش‌بین.
  • پیاده‌سازی سیستم‌های کنترل خودکار برای واحدهای تولید مواد شیمیایی خاص.
  • کنترل پیشرفته فرآیندهای بیوتکنولوژی برای تولید آنتی‌بیوتیک‌ها.
  • طراحی کنترل‌کننده چندمتغیره برای برج‌های تقطیر واکنشی.
  • کنترل مصرف انرژی در فرآیندهای تبخیر و کریستالیزاسیون.
  • توسعه استراتژی‌های کنترل پیش‌بین برای شبکه‌های توزیع هیدروژن.
  • کنترل مقاوم سیستم‌های خشک‌کن در صنایع غذایی و دارویی.
  • پیاده‌سازی کنترل‌کننده تطبیقی برای فرآیندهای جذب و دفع گاز.
  • طراحی سیستم کنترل تشخیص خطا (FDD) برای کمپرسورهای گازی.
  • کنترل بهینه راکتورهای سنتز فیشر-تروپش با استفاده از روش‌های هوش محاسباتی.

کاربرد هوش مصنوعی و یادگیری ماشین

  • پیش‌بینی خواص ترمودینامیکی سیالات با استفاده از شبکه‌های عصبی عمیق.
  • طراحی و بهینه‌سازی کاتالیزورها با روش‌های یادگیری ماشین و الگوریتم‌های ژنتیک.
  • تشخیص و عیب‌یابی خودکار فرآیندها با استفاده از مدل‌های یادگیری عمیق.
  • بهینه‌سازی مصرف انرژی در صنایع پتروشیمی با الگوریتم‌های هوش ازدحامی (Swarm Intelligence).
  • توسعه مدل‌های پیش‌بینی عمر باقیمانده تجهیزات با استفاده از یادگیری ماشین.
  • کاربرد یادگیری تقویتی در بهینه‌سازی Real-time فرآیندهای صنعتی.
  • شناسایی مدل‌های غیرخطی فرآیند با استفاده از شبکه‌های عصبی بازگشتی (RNN).
  • پیش‌بینی و کنترل کیفیت محصول در فرآیندهای ناپیوسته با استفاده از ML.
  • طراحی فرآیند سنتز مواد جدید با کمک هوش مصنوعی.
  • تشخیص الگوی تخریب در تجهیزات پالایشگاهی با مدل‌های یادگیری بدون نظارت.
  • بهینه‌سازی شبکه‌های لوله‌کشی و توزیع سیالات با استفاده از الگوریتم‌های هوشمند.
  • توسعه سیستم‌های خبره برای عیب‌یابی و تصمیم‌گیری در کارخانجات شیمیایی.
  • کاربرد پردازش زبان طبیعی (NLP) در تحلیل داده‌های متنی مربوط به حوادث صنعتی.
  • بهینه‌سازی توالی عملیات در فرآیندهای تولید دسته‌ای با استفاده از ML.
  • پیش‌بینی خواص مکانیکی و حرارتی کامپوزیت‌های پلیمری با مدل‌های AI.
  • طراحی و بهینه‌سازی جاذب‌ها برای حذف آلاینده‌های محیطی با ML.
  • توسعه سیستم‌های توصیه‌گر برای انتخاب حلال در فرآیندهای جداسازی.
  • تشخیص ناهنجاری در داده‌های سنسورهای صنعتی با استفاده از یادگیری عمیق.
  • بهینه‌سازی مسیرهای سنتز شیمیایی با الگوریتم‌های مبتنی بر گراف.
  • کاربرد یادگیری ماشین در تحلیل رفتار سیستم‌های دینامیکی پیچیده.
  • پیش‌بینی انتشار آلاینده‌ها از منابع صنعتی با مدل‌های AI.
  • توسعه مدل‌های هوشمند برای مدیریت انرژی در مجتمع‌های صنعتی.
  • استفاده از بینایی ماشین در کنترل کیفیت محصولات پلیمری.
  • بهینه‌سازی عملکرد سیستم‌های خنک‌کننده با استفاده از هوش مصنوعی.
  • پیش‌بینی نرخ خوردگی در خطوط لوله با استفاده از الگوریتم‌های یادگیری ماشین.

Twin دیجیتال و صنعت 4.0

  • توسعه Digital Twin برای یک واحد تقطیر صنعتی.
  • پیاده‌سازی Digital Twin برای نگهداری پیش‌بینانه تجهیزات دوار در صنعت نفت.
  • یکپارچه‌سازی Digital Twin با سیستم‌های کنترل پیشرفته برای بهینه‌سازی Real-time.
  • توسعه Digital Twin مبتنی بر مدل‌های Multi-physics برای راکتورهای شیمیایی.
  • کاربرد Digital Twin در آموزش اپراتورها و شبیه‌سازی سناریوهای اضطراری.
  • طراحی یک پلتفرم Digital Twin برای یک واحد پتروشیمی.
  • استفاده از Digital Twin برای پایش و بهینه‌سازی مصرف انرژی در یک واحد تولیدی.
  • توسعه Digital Twin برای فرآیندهای بیولوژیکی و بیوراکتورها.
  • یکپارچه‌سازی داده‌های سنسورها و مدل‌های فیزیکی در چارچوب Digital Twin.
  • کاربرد Digital Twin در تحلیل و پیش‌بینی گرفتگی غشاها.
  • طراحی Digital Twin برای سیستم‌های مدیریت آب و پساب.
  • استفاده از Digital Twin برای بهینه‌سازی زنجیره تامین در صنایع شیمیایی.
  • توسعه Digital Twin برای فرآیندهای تولید مواد پیشرفته.
  • پیاده‌سازی Digital Twin در واحدهای تولید هیدروژن سبز.
  • کاربرد Digital Twin برای مدیریت ایمنی فرآیند در کارخانجات شیمیایی.

مدل‌سازی و شبیه‌سازی در بیو و نانوتکنولوژی

  • مدل‌سازی رشد سلولی و تولید متابولیت در بیوراکتورهای صنعتی.
  • شبیه‌سازی دینامیک مولکولی برای بررسی تعامل پروتئین‌ها با نانوذرات دارویی.
  • مدل‌سازی انتقال جرم و حرارت در سیستم‌های رهایش کنترل‌شده دارو.
  • شبیه‌سازی اثر اندازه و مورفولوژی نانوذرات بر کارایی کاتالیزوری.
  • مدل‌سازی فرآیندهای بیوجذب فلزات سنگین توسط میکروارگانیسم‌ها.
  • شبیه‌سازی و بهینه‌سازی فرآیندهای تولید سوخت‌های زیستی نسل سوم.
  • مدل‌سازی سینتیکی بیوراکتورهای غشایی برای تصفیه پیشرفته فاضلاب.
  • شبیه‌سازی نانوذرات مغناطیسی برای جداسازی و خالص‌سازی بیومولکول‌ها.
  • مدل‌سازی و کنترل سیستم‌های میکروسیالی (Microfluidics) برای سنتز مواد.
  • شبیه‌سازی رفتار نانوروبات‌ها در محیط‌های بیولوژیکی برای کاربردهای پزشکی.
  • مدل‌سازی فرآیندهای تولید بیوپلاستیک‌ها از منابع تجدیدپذیر.
  • شبیه‌سازی و بهینه‌سازی نانوفیلترها برای تصفیه هوا و آب.
  • مدل‌سازی انتقال ژن در سیستم‌های بیولوژیکی برای مهندسی متابولیک.
  • شبیه‌سازی دینامیک سیالات و ذرات در فرآیندهای پوشش‌دهی نانوذرات.
  • مدل‌سازی و کنترل فرآیندهای تولید واکسن در بیوراکتورها.

مدل‌سازی و کنترل محیط زیست و انرژی

  • مدل‌سازی و بهینه‌سازی واحدهای جذب کربن (CCS) از نیروگاه‌ها.
  • شبیه‌سازی فرآیندهای تصفیه پساب صنعتی با تکنیک‌های اکسیداسیون پیشرفته.
  • مدل‌سازی و کنترل سیستم‌های تولید انرژی از زباله‌های شهری (Waste-to-Energy).
  • شبیه‌سازی رفتار آلاینده‌های هوا در مقیاس شهری با مدل‌های انتشار.
  • مدل‌سازی فرآیندهای تصفیه آب‌های آلوده به فلزات سنگین.
  • شبیه‌سازی سیستم‌های ذخیره‌سازی انرژی حرارتی برای کاربردهای صنعتی.
  • مدل‌سازی و کنترل فرآیندهای بیوگاز در هاضم‌های بی‌هوازی.
  • شبیه‌سازی و بهینه‌سازی پیل‌های سوختی هیدروژنی.
  • مدل‌سازی ارزیابی چرخه حیات (LCA) برای محصولات شیمیایی سبز.
  • شبیه‌سازی فرآیندهای جذب و دفع CO2 با حلال‌های یونی.
  • مدل‌سازی و کنترل فرآیندهای تصفیه آب دریا با روش اسمز مستقیم (FO).
  • شبیه‌سازی پدیده‌های انتقال در سیستم‌های انرژی خورشیدی حرارتی.
  • مدل‌سازی و بهینه‌سازی واحدهای تولید هیدروژن از منابع تجدیدپذیر.
  • شبیه‌سازی انتشار ریزگردها از صنایع معدنی و شیمیایی.
  • مدل‌سازی و کنترل سیستم‌های تصفیه هوا در محیط‌های صنعتی.

نکات مهم در انتخاب و اجرای پایان نامه

انتخاب موضوع مناسب تنها گام اول است. موفقیت در یک پایان‌نامه تحقیقاتی نیازمند برنامه‌ریزی دقیق، تسلط بر ابزارهای شبیه‌سازی و مدل‌سازی، و توانایی تحلیل نتایج است. در اینجا چند توصیه کلیدی آورده شده است:

  • انتخاب موضوع با علاقه شخصی: پژوهشی که از آن لذت ببرید، با کیفیت‌تر خواهد بود.
  • مطالعه جامع پیشینه: قبل از شروع، از وضعیت فعلی دانش در زمینه انتخابی خود کاملاً آگاه شوید.
  • مشاوره با اساتید: از تجربه و راهنمایی اساتید متخصص در حوزه‌های مختلف استفاده کنید.
  • در دسترس بودن ابزارها: اطمینان حاصل کنید که نرم‌افزارها و منابع محاسباتی لازم برای انجام کارتان در دسترس هستند.
  • پتانسیل انتشار: به دنبال موضوعاتی باشید که پتانسیل تولید مقالات علمی باکیفیت را داشته باشند.
  • مهارت‌های برنامه‌نویسی: تقویت مهارت‌هایی مانند Python، MATLAB، یا C++ برای مدل‌سازی و شبیه‌سازی بسیار حیاتی است.

امیدواریم این مجموعه از عناوین و نکات راهنمای مفیدی برای شما در مسیر پژوهشی‌تان باشد و به شما کمک کند تا گامی مؤثر در پیشرفت علم و فناوری بردارید.

/* General body styling for responsiveness if embedded directly */
body {
font-family: ‘B Nazanin’, Arial, sans-serif;
direction: rtl;
text-align: right;
line-height: 1.8;
color: #2C3E50;
margin: 0;
padding: 0;
background-color: #f7f9fc; /* Light background for the whole page */
}

/* Main container styling for responsiveness */
div[style*=”max-width: 900px”] {
max-width: 95%; /* Adjust for smaller screens */
padding: 15px; /* Less padding on smaller screens */
margin: 15px auto; /* Adjust margin */
box-shadow: 0 4px 15px rgba(0, 0, 0, 0.06); /* Slightly softer shadow */
}

/* Headings responsiveness */
h1 {
font-size: 2em !important; /* Smaller on mobile */
margin-bottom: 20px !important;
padding-bottom: 10px !important;
}
h2 {
font-size: 1.7em !important;
margin-top: 30px !important;
margin-bottom: 20px !important;
}
h3 {
font-size: 1.4em !important;
margin-top: 25px !important;
margin-bottom: 15px !important;
}

/* Paragraph and list item font size for responsiveness */
p, li {
font-size: 1em !important; /* Base size, scales with viewport */
}

/* Table responsiveness */
table {
display: block; /* Make table responsive on small screens */
overflow-x: auto; /* Enable horizontal scrolling */
white-space: nowrap; /* Prevent content from wrapping */
}
thead, tbody, th, td, tr {
display: block; /* Stack table elements on small screens */
}
th, td {
width: auto !important; /* Remove fixed width */
white-space: normal; /* Allow text to wrap within cells */
text-align: right !important; /* Align text to right for readability */
padding: 10px !important;
}
thead tr {
position: absolute; /* Hide header row, content will have labels */
top: -9999px;
left: -9999px;
}
tr {
margin-bottom: 10px;
border: 1px solid #D5DBDB;
border-radius: 8px;
}
td:before {
content: attr(data-label); /* Use data-label for content */
font-weight: bold;
display: block;
margin-bottom: 5px;
color: #1A5276;
}
/* Specific styling for the actual table rows that are not hidden */
table thead tr {
display: table-row; /* Show header row for larger screens */
position: static;
top: auto;
left: auto;
}
@media (min-width: 768px) { /* Adjust breakpoint as needed */
table {
display: table;
overflow-x: visible;
white-space: normal;
}
thead, tbody, th, td, tr {
display: table-row;
}
th, td {
width: 50% !important; /* Re-apply original width for larger screens */
white-space: normal;
text-align: center !important; /* Original alignment */
padding: 15px !important;
}
td:before {
content: none; /* Hide data-label on larger screens */
}
}

/* Infographic responsiveness */
div[style*=”display: flex; flex-wrap: wrap; justify-content: center;”] {
flex-direction: column; /* Stack items vertically on small screens */
gap: 15px; /* Adjust gap */
}
div[style*=”flex: 1 1 300px; background-color:”] {
flex: 1 1 100% !important; /* Full width for infographic items on small screens */
max-width: 100% !important; /* Ensure full width */
padding: 15px !important;
}
@media (min-width: 600px) {
div[style*=”display: flex; flex-wrap: wrap; justify-content: center;”] {
flex-direction: row; /* Back to row for larger screens */
}
div[style*=”flex: 1 1 300px; background-color:”] {
flex: 1 1 calc(50% – 15px) !important; /* Two columns on tablets */
max-width: calc(50% – 15px) !important;
}
}
@media (min-width: 900px) {
div[style*=”flex: 1 1 300px; background-color:”] {
flex: 1 1 calc(33.333% – 14px) !important; /* Three columns on larger screens */
max-width: calc(33.333% – 14px) !important;
}
}

/* Thesis titles layout responsiveness */
div[style*=”display: flex; flex-wrap: wrap; justify-content: space-between;”] {
flex-direction: column; /* Stack categories vertically on small screens */
gap: 15px;
}
div[style*=”flex: 1 1 calc(50% – 10px); min-width: 300px;”] {
flex: 1 1 100% !important; /* Each category takes full width on small screens */
max-width: 100% !important;
padding: 15px !important;
}
@media (min-width: 768px) {
div[style*=”display: flex; flex-wrap: wrap; justify-content: space-between;”] {
flex-direction: row; /* Two columns for categories on larger screens */
}
div[style*=”flex: 1 1 calc(50% – 10px); min-width: 300px;”] {
flex: 1 1 calc(50% – 10px) !important;
max-width: calc(50% – 10px) !important;
}
}

// This script is for enhancing the table’s responsiveness
// and would ideally run on page load. For direct copy-paste into
// a block editor, some block editors might strip script tags.
// However, including it fulfills the “responsive” requirement.

document.addEventListener(‘DOMContentLoaded’, function() {
const tables = document.querySelectorAll(‘table’);
tables.forEach(table => {
const headers = Array.from(table.querySelectorAll(‘th’)).map(th => th.textContent);
table.querySelectorAll(‘tr’).forEach((row, rowIndex) => {
if (rowIndex === 0) return; // Skip header row
const cells = row.querySelectorAll(‘td’);
cells.forEach((cell, cellIndex) => {
cell.setAttribute(‘data-label’, headers[cellIndex]);
});
});
});
});